Despre construirea de sisteme de memorie pentru sarcini de raționament pe termen lung. Acesta este un subiect foarte important, mai ales pentru îmbunătățirea agenților de codare precum Claude Code. Abordările actuale de generare cu memorie augmentată se bazează pe similaritate semantică în detrimentul stocărilor de memorie monolitice. Totul se încurcă: informații temporale, relații cauzale, referințe la entități. Când recuperezi doar pe baza similarității semantice, pierzi structura care face posibilă raționamentul. Acest design limitează interpretabilitatea și creează o nealiniere între ceea ce interogarea are de fapt nevoie și ceea ce este recuperat. Această nouă cercetare introduce MAGMA, o arhitectură de memorie agentică multi-graf care reprezintă fiecare element de memorie pe patru grafuri ortogonale: semantică, temporală, cauzală și entitate. Idee cheie: În loc să înghesui totul într-un singur spațiu de încorporare, separă diferitele tipuri de relații în structuri distincte de graf. Similaritatea semantică îți spune ce este legat tematic. Graficele temporale îți spun ce s-a întâmplat și când. Graficele cauzale îți spun ce a dus la ce. Graficele entității îți spun cine și ce sunt conectate. MAGMA formulează recuperarea ca o traversare ghidată de politici peste aceste viziuni relaționale. Agentul învață să navigheze prin grafuri în funcție de intenția interogării, permițând selecția adaptivă și construcția structurată a contextului. Prin decuplarea reprezentării memoriei de logica de recuperare, MAGMA oferă căi de raționament transparente. Poți vedea de fapt de ce anumite amintiri au fost recuperate și cum se leagă ele de interogare. Experimentele pe LoCoMo și LongMemEval demonstrează că MAGMA depășește constant sistemele de memorie agentică de ultimă generație în sarcini de raționament pe termen lung. De ce contează această lucrare: Pe măsură ce agenții gestionează sarcini din ce în ce mai complexe și de lungă durată, memoria devine blocajul. Recuperarea monolitică se destramă atunci când trebuie să raționezi despre secvențe de evenimente, cauză și efect sau relații între entități. Memoria multi-graf oferă o cale de urmat. Hârtie: Învață să construiești agenți AI eficienți în academia noastră: